基于指甲图像估计指尖力、力矩与局部曲率
机器人学
2019-09-13 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
对灵巧操作的研究为人类感觉运动控制提供了重要见解，也为机械手的操控策略带来启发。以往工作聚焦于存在限制的实验环境。本文描述一种利用指甲及其周围皮肤的形变与颜色分布，来估计各类物体下指尖力、力矩和接触表面曲率的方法，包括接触表面的形状与材质以及物体的重量。所提方法规避了与传感器化物体、手套或固定接触表面类型相关的局限。此外，相较于以往实验环境中的单指估计，我们将该方法扩展至多指力估计，可用于人类抓握分析等应用。采用四种算法，即高斯过程（GP）、卷积神经网络（CNN）、带快速丢弃的神经网络（NN-FD）和带快速丢弃的循环神经网络（RNN-FD），来建立从图像到相应标签的映射。结果进一步表明，所提方法在预测力、力矩和接触表面方面具有高精度。
引用
@article{arxiv.1909.05659,
title = {Estimating Fingertip Forces, Torques, and Local Curvatures from Fingernail Images},
author = {Nutan Chen and Göran Westling and Benoni B. Edin and Patrick van der Smagt},
journal= {arXiv preprint arXiv:1909.05659},
year = {2019}
}
备注
Robotica